一种基于层间差异的自适应聚合联邦学习方法及设备

本发明公开了一种基于层间差异的自适应聚合联邦学习方法及设备。该方法涉及车联网机器学习领域，包括以下步骤：采集并处理车辆终端数据，通过迭代优化最小化损失函数得到本地模型参数，将全局和本地模型层之间的差异纳入聚合权重的计算过程中，进行联邦学习训练循环。本发明将模型拆解为层，并将全局和本地模型层之间的差异纳入聚合权重的计算过程中，以衡量高数据异质性场景下的不同客户端的贡献。同时引入了基于层间差异的正则项，根据层间差异动态调整各客户端每一轮的聚合权重，从而提高全局模型的跨域泛化能力。